[发明专利]一种基于掩膜编码的单阶段实例分割方法

权利要求书

1.一种基于掩膜编码的单阶段实例分割方法，包括训练阶段模型和预测阶段模型，其特征在于，按照以下步骤进行：

步骤A，双线性插值：将不同尺寸给定的原始掩膜标签去掉类别信息，得到尺寸相同且类别无关的二维掩膜M∈{0，1}^H×W，其中H，W分别是二维掩膜的高和宽；

步骤B，主成分分析编码：根据给定信息冗余的二维掩码M∈{0，1}^H×W，利用主成分分析方法，通过正交变换将二维掩膜M编码压缩为向量u^N，其中N为掩膜向量的维度；

步骤C，单阶段实例分割器构建：单阶段实例分割器基于单阶段目标检测器FCOS，并进行相应修改；

步骤D，非极大值抑制后处理：预测阶段模型将输出一定数量潜在目标，对目标按照分类得分进行降序排列，并根据目标框间的交并比进行非极大值抑制；从剩下的候选中选取得分排名前K个目标进行后续操作，得到K个目标向量；

步骤E，掩膜编码解码：对步骤D中得到的K个目标向量进行掩膜编码解码，最终实现图像实例分割。

2.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：双线性插值的公式为：

f(x，y)＝f(0，0)(1-x)(1-y)+f(1，0)x(1-y)+f(0，1)(1-x)y+f(1，1)xy。

3.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤B中利用主成分分析编码的公式为：

u＝TM；

其中，矩阵T用来将二维掩膜编码为u，矩阵W用来将掩膜向量u解码为M。

4.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤C包括步骤C1：扩展分支，通过添加一支的卷积网络，用来学习掩膜向量，从而实现掩膜向量预测任务。

5.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤C包括步骤C2：基于MSE损失函数的掩膜向量训练。

6.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤D包括步骤D1，目标检测：输入图片，模型将一次输出一定数量潜在的检测框，对这些目标按照分类得分进行降序排列，并根据目标框间的交并比进行非极大值抑制，保留分数排名靠前的K个目标进行后续操作。

7.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤D包括步骤D2，掩膜向量预测：输入图片，模型将为每个潜在实例预测一组掩膜向量，通过非极大值抑制处理后，从剩下的候选中选取得分排名前K个目标进行后续操作。

8.根据权利要求1所述的一种基于掩膜编码的单阶段实例分割方法，其特征在于：步骤E中掩膜编码解码为主成分分析掩膜编码解码，从步骤D2中得到掩膜向量u，利用步骤B中保存的解码矩阵W进行二维掩膜的重建，并根据步骤D1中得到的检测框的尺寸将二维掩膜插值至相应尺寸，完成实例分割任务。

9.一种基于掩膜编码的单阶段实例分割的装置，包括处理器、存储器，其特征在于：

存储在存储器上并可在处理器上运行的计算机程序；

所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的实例分割方法的步骤。

10.一种计算机可读存储介质，其特征在于：

计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如权利要求1-8中任一项所述的实例分割方法的步骤。